Java类集框架之HashMap(JDK1.8)源码剖析

转载自：http://www.2cto.com/kf/201505/401433.html点击打开链接

这几天学习了HashMap的底层实现，发现关于HashMap实现的博客还是很多的，但几乎都是JDK1.6版本的，而我的JDK版本是1.8.0_25，对比之下，发现Hashmap的实现变动较大。这篇博客断断续续写了一天，理解不当之处，欢迎指正。

在JDK1.6中，HashMap采用位桶+链表实现，即使用链表处理冲突，同一hash值的链表都存储在一个链表里。但是当位于一个桶中的元素较多，即hash值相等的元素较多时，通过key值依次查找的效率较低。而JDK1.8中，HashMap采用位桶+链表+红黑树实现，当链表长度超过阈值（8）时，将链表转换为红黑树，这样大大减少了查找时间。

下面直接贴代码：

1 涉及到的数据结构：处理hash冲突的链表和红黑树以及位桶

 

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

//Node是单向链表，它实现了Map.Entry接口

staticclassNode<k,v> implementsMap.Entry<k,v> {

    finalinthash;

    finalK key;

    V value;

    Node<k,v> next;

    //构造函数Hash值 键 值 下一个节点

    Node(inthash, K key, V value, Node<k,v> next) {

        this.hash = hash;

        this.key = key;

        this.value = value;

        this.next = next;

    }

 

    publicfinalK getKey()        { returnkey; }

    publicfinalV getValue()      { returnvalue; }

    publicfinalString toString() { returnkey + = + value; }

 

    publicfinalint hashCode() {

        returnObjects.hashCode(key) ^ Objects.hashCode(value);

    }

 

    publicfinalV setValue(V newValue) {

        V oldValue = value;

        value = newValue;

        returnoldValue;

    }

    //判断两个node是否相等,若key和value都相等，返回true。可以与自身比较为true

    publicfinalboolean equals(Object o) {

        if(o == this)

            returntrue;

        if(oinstanceofMap.Entry) {

            Map.Entry<!--?,?--> e = (Map.Entry<!--?,?-->)o;

            if(Objects.equals(key, e.getKey()) &&

                Objects.equals(value, e.getValue()))

                returntrue;

        }

        returnfalse;

    }

}</k,v></k,v></k,v></k,v>

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

//红黑树

staticfinalclass TreeNode<k,v> extendsLinkedHashMap.Entry<k,v> {

    TreeNode<k,v> parent;  // 父节点

    TreeNode<k,v> left; //左子树

    TreeNode<k,v> right;//右子树

    TreeNode<k,v> prev;    // needed to unlink next upon deletion

    booleanred;   //颜色属性

    TreeNode(inthash, K key, V val, Node<k,v> next) {

        super(hash, key, val, next);

    }

 

    //返回当前节点的根节点

    finalTreeNode<k,v> root() {

        for(TreeNode<k,v> r = this, p;;) {

            if((p = r.parent) == null)

                returnr;

            r = p;

        }

    }</k,v></k,v></k,v></k,v></k,v></k,v></k,v></k,v></k,v>

?

1

transientNode<k,v>[] table;//存储（位桶）的数组</k,v>

有了以上3个数据结构，只要有一点数据结构基础的人，都可以大致联想到HashMap的实现了。首先有一个每个元素都是链表（可能表述不准确）的数组，当添加一个元素（key-value）时，就首先计算元素key的hash值，以此确定插入数组中的位置，但是可能存在同一hash值的元素已经被放在数组同一位置了，这时就添加到同一hash值的元素的后面，他们在数组的同一位置，但是形成了链表，所以说数组存放的是链表。而当链表长度太长时，链表就转换为红黑树，这样大大提高了查找的效率。

 

下面继续看代码实现：

2 HashMap主要属性

说一下填充比，默认值为0.75，如果实际元素所占容量占分配容量的75%时就要扩容了。如果填充比很大，说明利用的空间很多，但是查找的效率很低，因为链表的长度很大（当然最新版本使用了红黑树后会改进很多），HashMap本来是以空间换时间，所以填充比没必要太大。但是填充比太小又会导致空间浪费。如果关注内存，填充比可以

稍大，如果主要关注查找性能，填充比可以稍小。

 

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

publicclassHashMap<k,v> extendsAbstractMap<k,v>implementsMap<k,v>, Cloneable, Serializable {

 

    privatestaticfinal long serialVersionUID = 362498820763181265L;

 

    staticfinalint DEFAULT_INITIAL_CAPACITY = 1<<4;// aka 16

 

    staticfinalint MAXIMUM_CAPACITY = 1<<30;//最大容量

 

    staticfinalfloat DEFAULT_LOAD_FACTOR = 0.75f;//填充比

 

    //当add一个元素到某个位桶，其链表长度达到8时将链表转换为红黑树

    staticfinalint TREEIFY_THRESHOLD = 8;

 

 

    staticfinalint UNTREEIFY_THRESHOLD = 6;

 

 

    staticfinalint MIN_TREEIFY_CAPACITY = 64;

 

    transientNode<k,v>[] table;//存储元素的数组

 

 

    transientSet<map.entry<k,v>> entrySet;

 

    transientintsize;//存放元素的个数

 

    transientintmodCount;//被修改的次数fast-fail机制

 

    intthreshold;//临界值 当实际大小(容量*填充比)超过临界值时，会进行扩容

 

    finalfloatloadFactor;//填充比（......后面略）</map.entry<k,v></k,v></k,v></k,v></k,v>

3 构造方法

 

HashMap的构造方法有4种，主要涉及到的参数有，指定初始容量，指定填充比和用来初始化的Map，直接看代码

 

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

/* ---------------- Public operations -------------- */

 

//构造函数1

publicHashMap(intinitialCapacity,floatloadFactor) {

    //指定的初始容量非负

    if(initialCapacity < 0)

        thrownewIllegalArgumentException(Illegal initial capacity:  +

                                           initialCapacity);

    //如果指定的初始容量大于最大容量,置为最大容量

    if(initialCapacity > MAXIMUM_CAPACITY)

        initialCapacity = MAXIMUM_CAPACITY;

    //填充比为正

    if(loadFactor <= 0|| Float.isNaN(loadFactor))

        thrownewIllegalArgumentException(Illegal load factor:  +

                                           loadFactor);

    this.loadFactor = loadFactor;

    this.threshold = tableSizeFor(initialCapacity);//新的扩容临界值

}

 

//构造函数2

publicHashMap(intinitialCapacity) {

    this(initialCapacity, DEFAULT_LOAD_FACTOR);

}

 

//构造函数3

publicHashMap() {

    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted

}

 

//构造函数4用m的元素初始化散列映射

publicHashMap(Map<!--?extendsK, ? extendsV--> m) {

    this.loadFactor = DEFAULT_LOAD_FACTOR;

    putMapEntries(m,false);

}

4 扩容机制

 

构造hash表时，如果不指明初始大小，默认大小为16（即Node数组大小16），如果Node[]数组中的元素达到（填充比*Node.length）

 

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

//可用来初始化HashMap大小 或重新调整HashMap大小 变为原来2倍大小

   finalNode<k,v>[] resize() {

       Node<k,v>[] oldTab = table;

       intoldCap = (oldTab == null) ? 0: oldTab.length;

       intoldThr = threshold;

       intnewCap, newThr = 0;

       if(oldCap > 0) {

           if(oldCap >= MAXIMUM_CAPACITY) {//超过1>>30大小,无法扩容只能改变 阈值

               threshold = Integer.MAX_VALUE;

               returnoldTab;

           }

           elseif((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

                    oldCap >= DEFAULT_INITIAL_CAPACITY)//新的容量为旧的2倍 最小也是16

               newThr = oldThr << 1;// 扩容阈值加倍

       }

       elseif(oldThr > 0)

           newCap = oldThr;//oldCap=0 ,oldThr>0此时newThr=0

       else{              //oldCap=0,oldThr=0 相当于使用默认填充比和初始容量 初始化

           newCap = DEFAULT_INITIAL_CAPACITY;

           newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);

       }

        

       if(newThr == 0) {

           floatft = (float)newCap * loadFactor;

           newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

                     (int)ft : Integer.MAX_VALUE);

       }

       threshold = newThr;

       @SuppressWarnings({rawtypes,unchecked})

           Node<k,v>[] newTab = (Node<k,v>[])newNode[newCap];

       //数组辅助到新的数组中，分红黑树和链表讨论

       table = newTab;

       if(oldTab != null) {

           for(intj = 0; j < oldCap; ++j) {

               Node<k,v> e;

               if((e = oldTab[j]) != null) {

                   oldTab[j] = null;

                   if(e.next == null)

                       newTab[e.hash & (newCap - 1)] = e;

                   elseif(e instanceofTreeNode)

                       ((TreeNode<k,v>)e).split(this, newTab, j, oldCap);

                   else{// preserve order

                       Node<k,v> loHead = null, loTail = null;

                       Node<k,v> hiHead = null, hiTail = null;

                       Node<k,v> next;

                       do{

                           next = e.next;

                           if((e.hash & oldCap) == 0) {

                               if(loTail == null)

                                   loHead = e;

                               else

                                   loTail.next = e;

                               loTail = e;

                           }

                           else{

                               if(hiTail == null)

                                   hiHead = e;

                               else

                                   hiTail.next = e;

                               hiTail = e;

                           }

                       }while((e = next) != null);

                       if(loTail != null) {

                           loTail.next = null;

                           newTab[j] = loHead;

                       }

                       if(hiTail != null) {

                           hiTail.next = null;

                           newTab[j + oldCap] = hiHead;

                       }

                   }

               }

           }

       }

       returnnewTab;

   }</k,v></k,v></k,v></k,v></k,v></k,v></k,v></k,v></k,v>

很明显，因为存在旧数组元素复制到新数组中的操作，扩容非常耗时。

 

5 确定元素put/get的数组Node[]位置

 

?

1

2

3

4

staticfinalint hash(Object key) {

    inth;

    return(key == null) ? 0: (h = key.hashCode()) ^ (h >>> 16);

}

?

1

publicnativeint hashCode();

首先由key值通过hash(key)获取hash值h，再通过 h&（length-1）得到所在数组位置。一般对于哈希表的散列常用的方法有直接定址法，除留余数法等，既要便于计算，又能减少冲突。

 

在Hashtable中就是通过除留余数法散列分布的，具体如下：

?

1

intindex = (hash & 0x7FFFFFFF) % tab.length;

但是取模中的除法运算效率很低，HashMap则通过h&（length-1）替代取模，得到所在数组位置，这样效率会高很多。

在HashMap实现中还可以看到如下代码取代了以前版本JDK1.6的while循环来保证哈希表的容量一直是2的整数倍数，用移位操作取代了循环移位。

 

 

?

1

2

3

4

5

6

7

8

9

10

//这段代码保证HashMap的容量总是2的n次方

staticfinalint tableSizeFor(intcap) {

    intn = cap - 1;

    n |= n >>> 1;

    n |= n >>> 2;

    n |= n >>> 4;

    n |= n >>> 8;

    n |= n >>> 16;

    return(n < 0) ? 1: (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;

}

可以从源码看出，在HashMap的构造函数中，都直接或间接的调用了tableSizeFor函数。下面分析原因：length为2的整数幂保证了length-1最后一位（当然是二进制表示）为1，从而保证了取索引操作 h&（length-1）的最后一位同时有为0和为1的可能性，保证了散列的均匀性。反过来讲，当length为奇数时，length-1最后一位为0，这样与h按位与

 

的最后一位肯定为0，即索引位置肯定是偶数，这样数组的奇数位置全部没有放置元素，浪费了大量空间。

简而言之：length为2的幂保证了按位与最后一位的有效性，使哈希表散列更均匀。
 

6 下面分析HashMap的最常用操作put和get

注意HashMap中key和value都容许为null

直接上代码：

 

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

//***********************************get***************************************************/

publicV get(Object key) {

    Node<k,v> e;

    return(e = getNode(hash(key), key)) == null?null: e.value;

}

 

 

finalNode<k,v> getNode(inthash, Object key) {

    Node<k,v>[] tab; Node<k,v> first, e; intn; K k;

    //hash & (length-1)得到对象的保存位

    if((tab = table) != null&& (n = tab.length) > 0&&

        (first = tab[(n - 1) & hash]) != null) {

        if(first.hash == hash && // always check first node

            ((k = first.key) == key || (key != null&& key.equals(k))))

            returnfirst;

        if((e = first.next) != null) {

            //如果第一个节点是TreeNode,说明采用的是数组+红黑树结构处理冲突

            //遍历红黑树，得到节点值

            if(firstinstanceofTreeNode)

                return((TreeNode<k,v>)first).getTreeNode(hash, key);

            //链表结构处理

            do{

                if(e.hash == hash &&

                    ((k = e.key) == key || (key != null&& key.equals(k))))

                    returne;

            }while((e = e.next) != null);

        }

    }

    returnnull;

}</k,v></k,v></k,v></k,v></k,v>

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

//************************put*********************************************************************

   publicV put(K key, V value) {

       returnputVal(hash(key), key, value, false,true);

   }

 

   finalV putVal(inthash, K key, V value, booleanonlyIfAbsent,

                  booleanevict) {

       Node<k,v>[] tab; Node<k,v> p; intn, i;

       //如果tab为空或长度为0，则分配内存resize()

       if((tab = table) == null|| (n = tab.length) == 0)

           n = (tab = resize()).length;

       //(n - 1) & hash找到put位置，如果为空,则直接put

       if((p = tab[i = (n - 1) & hash]) == null)

           tab[i] = newNode(hash, key, value, null);

       else{

           Node<k,v> e; K k;

           //第一节节点hash值同，且key值与插入key相同

           if(p.hash == hash &&((k = p.key) == key || (key != null&& key.equals(k))))

               e = p;

           elseif(p instanceofTreeNode)//属于红黑树处理冲突

               e = ((TreeNode<k,v>)p).putTreeVal(this, tab, hash, key, value);

           else{

               //链表处理冲突

               for(intbinCount = 0; ; ++binCount) {

                   //p第一次指向表头,以后依次后移

                   if((e = p.next) == null) {

                       //e为空，表示已到表尾也没有找到key值相同节点，则新建节点

                       p.next = newNode(hash, key, value, null);

                       //新增节点后如果节点个数到达阈值，则将链表转换为红黑树

                       if(binCount >= TREEIFY_THRESHOLD - 1)// -1 for 1st

                           treeifyBin(tab, hash);

                       break;

                   }

                   //容许null==null

                   if(e.hash == hash &&((k = e.key) == key || (key != null&& key.equals(k))))

                       break;

                   p = e;//更新p指向下一个节点

               }

           }

           //更新hash值和key值均相同的节点Value值

           if(e != null) { // existing mapping for key

               V oldValue = e.value;

               if(!onlyIfAbsent || oldValue == null)

                   e.value = value;

               afterNodeAccess(e);

               returnoldValue;

           }

       }

       ++modCount;

       if(++size > threshold)

           resize();

       afterNodeInsertion(evict);

       returnnull;

   }</k,v></k,v></k,v></k,v>

下面简单说下添加键值对put(key,value)的过程：(事实上，直接看代码逻辑更清晰些)

 

1判断键值对数组tab[]是否为空或为null，否则resize()；

2根据键值key计算hash值得到插入的数组索引i，如果tab[i]==null，直接新建节点添加，否则转入3

3判断当前数组中处理hash冲突的方式为链表还是红黑树(check第一个节点类型即可),分别处理。